[发明专利]一种基于深度残差网络的大地电磁信号识别与重建方法及其系统

权利要求书

1.一种基于深度残差网络的大地电磁信号识别与重建方法，其特征在于：包括以下步骤：

步骤1：构建样本库1，并标记每个数据段的类别标签；所述样本库1包括含噪数据段和高质量数据段，所述类别标签表示数据段为含噪数据段或高质量数据段；

步骤2：对所述样本库1中的数据段进行格拉曼角场变换得到格拉曼角场图像，其中，是将一维的大地电磁数据转换为二维的格拉曼角场图像；

步骤3：构建深度残差分类网络，并利用步骤2中的格拉曼角场图像及其对应的分类标签进行网络训练得到大地电磁数据分类模型；

步骤4：将待去噪的大地电磁数据进行分段再进行格拉曼角场变换，变换后将其输入至步骤3构建的所述大地电磁数据分类模型得到每个数据段的分类标签，其中，基于所述分类标签识别数据段为含噪数据段或高质量数据段；

步骤5：将步骤4中识别出的含噪数据段进行重构或去噪；

步骤6：将步骤4中识别出的高质量数据段与步骤5中重构或去噪后的数据段进行按序拼接得到完整的大地电磁去噪序列。

2.根据权利要求1所述的方法，其特征在于：步骤2中对每个数据段进行格拉曼角场变换得到格拉曼角场图像时，均执行如下步骤：

将样本库1中每个数据段划分为等长度的数据小段，并进行归一处理；

对每个数据小段均进行极坐标转换；

计算每两个数据小段之间的格拉曼角和场或格拉曼角差场；

再基于所述格拉曼角和场或格拉曼角差场进行变换得到二维的格拉曼角场图像。

3.根据权利要求1所述的方法，其特征在于：步骤5中利用大地电磁数据重建模型将步骤4中识别出的含噪数据段进行重构；

其中，所述大地电磁数据重建模型是基于深度残差数据重建网络进行训练得到，训练过程是将含噪数据段及其高质量数据段输入所述深度残差数据重建网络，得到的所述大地电磁数据重建模型的模型输入为含噪数据段，输出为高质量数据段。

4.根据权利要求3所述的方法，其特征在于：所述大地电磁数据重建模型的输入、输出均是一维大地电磁数据段。

5.根据权利要求3所述的方法，其特征在于：所述大地电磁重建模型的输入、输出均是一维大地电磁数据段对应的格拉曼角场图像，对应步骤5中含噪数据段的重构过程为：

将含噪数据段对应的格拉曼角场图像输入至所述大地电磁重构模型得到高质量数据段对应的格拉曼角场图像，再对其进行逆转换得到一维大地电磁数据段。

6.根据权利要求1或3所述的方法，其特征在于：权利要求1中所述深度残差分类网络或权利要求3中所述深度残差数据重建网络包括输入层、隐藏层以及输出层；

其中，所述隐藏层由卷积层、恒等残差块、卷积残差块以及最大池化层构成，所述恒等残差块包括一维卷积和恒等连接，所述卷积残差块包括一维卷积和一维逐点卷积，所述恒等残差块输入和输出具备相同的通道数；所述卷积残差块通过卷积核尺寸为1的卷积改变通道数，使输入和输出具备相同的通道数。

7.根据权利要求6所述的方法，其特征在于：所述隐藏层由卷积层1、恒等残差块2、恒等残差块3、卷积残差块4、恒等残差块5、卷积残差块6、恒等残差块7、卷积残差块8、恒等残差块9、最大池化层10共计十部分构成，其中，恒等残差块包含2个一维卷积和1个恒等连接，卷积残差块包含2个一维卷积和1个一维逐点卷积。